본문 바로가기

부스트캠프 AI Tech/[Week1] AI Math

(2)
[Week1] AI Math - CNN & RNN 1. Convolution Convolution 연산은 커널(kernel)을 입력벡터 상에서 움직여가면서 선형모델과 합성함수가 적용되는 구조 기존에 배웠던 신경망에서는 가중치행렬을 학습시키지만 Convolution은 고정된 커널을 사용하는것이 특징 Convolution 연산의 수학적인 의미는 신호를 커널을 이용해 국소적으로 증폭 또는 감소시켜 정보를 추출 또는 필터링하는것 커널은 정의역 내에서 움직여도 변하지 않고(translation invariant) 주어진 신호에 국소적(local)으로 적용. *dimensions Convolution 연산의 다양한 차원 *2차원 Convolution 2D-Conv 연산은 커널을 입력벡터 상에서 움직여가면서 선형모델과 합성함수가 적용되는 구조 입력 크기를 (H,W)..
[Week1] AI Math 기초 1. 벡터 벡터는 숫자를 원소로 가지는 리스트(list) 또는 배열(array)이다. 벡터는 공간에서 한 점을 나타냄. 벡터는 원점으로부터 상대적 위치를 표현. 벡터에 숫자를 곱해주면 길이만 변함. 벡터끼리 같은 모양을 가지면 덧셈, 뺄셈을 계산할 수 있음. 벡터끼리 같은 모양을 가지면 성분곱(Hadamard product)을 계산할 수 있음. 벡터의 노름(norm)은 원점에서부터의 거리를 말함. L1-노름은 각 성분의 변화량의 절대값을 모두 더함. L2-노름은 피타고라스 정리를 이용해 유클리드 거리를 계산. *왜 다른 노름의 종류를 활용할까? 노름의 종류에 따라 기하학적 성질이 달라짐. 머신러닝에선 각 성질들이 필요할 때가 있으므로 둘다 사용. * 노름을 이용한 두 벡터 사이의 거리와 각도 L1,L2 ..